液力自动变速器动力性换挡规律设计及优化

高子茵， 杜明刚， 李慎龙

(中国北方车辆研究所车辆传动重点实验室，北京 100072)

目前，多所高校和科研机构将不同的智能算法引入换挡点的修正中，并得到了有效的优化结果.牛炳对比分析了模糊控制和神经网络控制各自的优缺点，提出两者融合的智能换挡规律，采用RBF神经网络算法的方法对换挡规律进行优化[1].陈宁博士[2]和朱振宁博士[3]针对工程车辆利用神经网络算法对换挡规律进行修正.侯培国等人提出使用神经网络算法中的BP建立车辆自动变速三参数神经网络控制模型[4].李光辉[5]以及刘振军[6]研究了基于T-S模型的神经网络结构和算法，通过结合模糊系统进行模糊神经网络的训练和仿真.可见，智能控制算法在换挡策略方面的研究得到广泛应用.所以，按照传统的双参数换挡规律虽然在一定程度上可以得到最优性能，但忽略了车辆的动态特性对换挡过程的影响，因此引入智能算法对传动的换挡规律进行修正.

1 动力性换挡规律设计

两参数的最佳动力性换挡规律通常以牵引力与车速的关系或者加速度与车速的关系来表述.本研究采用牵引力与车速的关系来制定双参数最佳动力性换挡规律.

换挡规律设计过程中所用到的主要参数见表1.

表1 计算参数

由于该变速器带有液力变矩器，所以先制定闭解锁策略.本研究采用一挡和二挡油门开度低于40%时为液力工况，其他工况为机械工况(倒挡除外).

换挡规律制定流程如下：

1)根据发动机的外特性和液力变矩器的原始特性，计算发动机与液力变矩器的共同输入、输出特性.

2)根据牵引力公式(1)分别计算液力和机械的各个挡位牵引力.

(1)

式中：Ttq为发动机扭矩；ign为变速器传动比；i0为减速器速比；ηt为传动效率；r为车轮半径.

3)绘制各个油门开度下1、2挡液力工况下的牵引力曲线，以及2～6挡机械工况下的牵引力曲线.

4)计算各个油门开度下相邻两挡牵引力曲线的交点即为换挡点.相同挡位的换挡点的连接即为换挡曲线.

5)降挡速差的确定.引入收敛系数K定义降挡速差的大小，如式(2)所示.

K=(vn↑-vn+1↓)/vn↑.

(2)

式中：vn↑代表一定油门开度时，从n挡升入n+1挡时的升挡车速；vn+1↓代表一定油门开度时，从n+1挡降到n挡时的降挡车速.

K通常取值小于0.4～0.45.根据目标车辆特性，不同的挡位和油门开度制定不同的K值.将油门开度分为低油门开度(10%～40%)、中油门开度(50%～70%)和高油门开度(80%～100%).挡位分为低挡位(1～3挡)和高挡位(4～6挡).则K的取值如表2所示.

表2 K值选择

求得的最佳动力性换挡曲线如图1所示.

图1 动力性升降挡曲线

根据换挡曲线可以分析出换挡规律为发散型.车辆在大油门开度时，每个挡位工作的车速区间大，有利于车辆的经济性.

2 动力学建模及仿真

2.1 动力学模型

采用Matlab/Simulink建立整车动力学模型，包括发动机模型、挡位选择模块、液压系统模型、机械系统模型、简化输出轴模型以及整车动力模型等.如图2所示.

图2 整车动力模型

2.2 仿真及结果分析

为了仿真动力性换挡规律设计的合理性，以100%油门开度进行动力性仿真.

在挡位选择模块中，当车速到达换挡点时，采用延迟2 s的策略可以有效避免循环换挡.但延迟会导致换挡点不是最佳换挡点，所以提出修正策略，来消除换挡延迟的影响.

v+a=vup.

(3)

式中：v为判断车速；a为加速度；vup为升挡车速.

修正后的仿真车速对比如图3所示.

图3 仿真车速对比

从仿真结果可以看出，修正前0～30 km/h的加速时间为8.8 s，修正后为8.6 s.采用换挡点的修正策略，能有效提高车辆的动力性.

3 换挡规律优化

由于在计算换挡点的过程中会由各种误差导致计算结果在实际应用中不是最优解，因此采用遗传算法对换挡点进行优化，使结果更加符合实际工况.

3.1 遗传算法优化原理

遗传算法是一种遵循自然法则，通过“优胜劣汰”法则求得最优解的方法.遗传算法原理图如图4所示.

图4 遗传算法原理图

3.2 基于遗传算法问题描述

1)初始化设计.

各个油门开度下的换挡点为设计变量.以100%油门开度下的换挡点为例，则初始变量为从1～6挡的升挡车速，依次设为：v1，v2，v3，v4，v5.

2)目标函数.

以100%油门开度下0～30 km/h的加速时间为目标函数，则

(4)

式中：Tacc为加速时间；acc1、acc2、acc3、acc4、acc5、acc6为1挡～6挡的加速度.

3)约束条件.

考虑到各挡最高最低车速和降挡速差一些因素，为各个挡位制定车速范围如表3所示(以100%油门开度为例).

表3 升挡车速范围 (km·h-1)

3.3 基于遗传算法对换挡点优化的实现

1)设定参数.

根据经验和多次试验结果给定参数,见表4.

表4 设定参数

2)计算适应度.

适应度用于评价个体的优劣程度，适应度越大个体越好，反之越小则越差.因此适应度值必须非负，将目标函数进行转化得到适应度函数.

(5)

整体流程图如图5所示.

图5 遗传算法流程图

3.4 仿真结果及分析

将优化后的换挡点写进换挡逻辑控制模块中，进行100%油门开度下的仿真，仿真结果如图6和表5所示.

由仿真结果可以看出，遗传算法优化后的换挡点能有效提高车辆的动力性，减少0～30 km/h的加速时间.

图6 仿真结果车速对比

表5 优化前后换挡点及加速时间对比

挡位1→22→33→44→55→6优化前换挡点车速/(km·h-1)9.617.523.833.345.4优化后换挡点车速/(km·h-1)916223142优化前加速时间/s8.6优化后加速时间/s8.3

4 基于动态特性的换挡规律修正

为了克服两参数换挡规律的不足，提出了基于稳态的三参数换挡规律，引入加速度这一参数进行动态修正.利用模糊控制理论既能处理解析模型描述的关系，又能应用语言描述的经验特点，建立一种计算量小并且占用储存量少的换挡策略.其修正原理如图7所示.模糊控制的基本原理如图8所示，虚线部分为控制系统的核心.

图7 动态修正原理图

图8 模糊控制原理图

4.1 模糊换挡修正决策的建立

1)模糊控制器的输入量和输出量.

模糊换挡系统采用多输入单输出结构，以车速x1、油门开度x2、加速度x3作为模糊决策的输入量X=[x1,x2,x3]，决策的输出量为换挡点的修正量Y.

2)论域变化.

将车速、油门开度和加速度的实际论域变换到内部论域，其值为：{0,1,2,3,…,29,30}，{0，1,2,3,4,…，10}，{-3,-2,-1,0,1,2,3}，{-2,-1,0,1,2}.

3)模糊化.

将系统精确的输入量转化为模糊量.

车速v划分为5个模糊集合，有极小(VS)、小(S)、中(M)、大(B)、极大(VB)，模糊子集为{VS S M B VB}；

油门开度划分为5个模糊集合，有小(VS)、中小(MS)、中(M)、中大(MB)、大(VB)，模糊子集为{VS MS M MB VB}；

加速度划分为7个模糊集合，有负大(FB)、负中(FM)、负小(FS)，零(Z)、正小(ZS)、正中(ZM)，正大(ZB)，模糊子集为{FB FM FS Z ZS ZM ZB}；

输出换挡点修正量划分为7个模糊集合，有负大(NB)、负中(NM)、负小(NS)、零(Z)、正小(PS)、正中(PM)、正大(PB)，模糊子集为{NB NS NZ Z PZ PS PB}.

4)模糊量的隶属函数.

为了使结果更加符合实际情况，输入变量的隶属度函数都采用正态分布型；同时对于输出参数，采用梯形方式，有利于输出值的判别.

5)模糊控制规则.

3个输入变量分别赋予了5、5、7个语言值，则控制规则数共包含5×5×7=175个.根据车辆动态特性分析和经验总结，首先确定输入输出参数之间的理论关系.

1)加速度绝对值越大，换挡点的修正量绝对值越大.加速度为正，换挡点修正量为负，即提前升挡；加速度为负，换挡点修正量为正，即提前降挡.

2)油门开度越大，修正量越小，即当加速时，修正量(负值)绝对值越大；减速时，修正量(正值)越小.

3)车速越大，修正量绝对值越大.

以车速VS子集为例，模糊推理表如表6所示.

表6 换挡点修正量的模糊推理表

6)去模糊化.

采用重心法进行去模糊化，得到精确到换挡点修正图如图9～图10所示.

由图9和图10可以看出：图形没有明显的凸起或者凹陷，逐级递减或者递增，体现了规则制定的合理性.该规则能够应用到模糊控制器中.

图9 加速度、油门开度与修正量的规则

图10 加速度、车速与修正量的规则

4.2 仿真模型及仿真结果

将模糊控制器模块引入换挡选择模块，对换挡点进行修正.将所有的仿真结果放入一个图形内进行分析对比，如图11所示.

图11 各个车速仿真结果对比图

由图11可以看到，优化后加速时间明显减少，动力性有所改善.传统换挡规律加速到30 km/h所用时间为8.8 s，利用遗传算法对换挡点优化后加速时间减少为8.6 s；之后引入加速度对换挡点进行修正，来减少延迟换挡对动力性的影响，由仿真结果可得到加速时间为8.3 s，有效提高车辆动力性；最后，引入加速度参数制定三参数的模糊控制器，将加速时间缩短到8.2 s，大大减少了车辆的加速时间.

5 结 论

针对新型战术车辆的液力自动变速器，首先设计了基于车速和油门开度的双参数动力性换挡规律，利用Matlab/Simulink软件进行仿真，仿真得到加速到30 km/h的时间为8.8 s.以0～30 km/h的加速时间为优化目标，在此基础上，运用遗传算法对换挡点进行优化，并引入加速度修正换挡延迟对换挡点的影响，仿真结果加速时间减少到8.3 s，有效提高了车辆的动力性.并将加速度参数引入制定三参数的模糊控制器，最终得到加速时间为8.2 s.可见，三参数的换挡规律对换挡规律的设计和改进具有实际意义.